时间:2022-06-16 09:47:15 | 栏目:Python代码 | 点击:次
python中『一切皆对象』, 函数也不例外.
在之前所学的C++
或Java
中, 可以发现函数的返回值要么为空, 要么是某种数据类型, 但是在python
中, 返回值可以是任何对象, 包括函数.
函数的参数种类比较多, 主要有:
1.位置参数 (positional argument
): 就是最常见的x, y等
2默认参数 (default argument
): 给定一个默认值, 用户也可以传入实参来调整.
def func(x, y=3): print(x+y) func(1) # 4 func(1, 666) # 667
3.可变参数 (variable argument
): 不限制输入参数的个数, 传入后自动保存为元组类型.
1.*args
是可变参数,args
接收的是一个 tuple
def printinfo(arg1, *args): print(arg1) print(args, type(args)) printinfo(10) # 仅一个参数, 没有属于args的. # 10 # () <class 'tuple'> printinfo(70, 60, 50) # 除arg1位置匹配的, 其他都传入给可变参数 # 70 # (60, 50) <class 'tuple'>
4.关键字参数 (keyword argument
): 不限制关键字的个数和命名, 传入后自动保存为字典的形式.
1.**kw
是关键字参数,kw
接收的是一个 dict
def printinfo(arg1, *args): print(arg1) print(args, type(args)) printinfo(10) # 仅一个参数, 没有属于args的. # 10 # () <class 'tuple'> printinfo(70, 60, 50) # 除arg1位置匹配的, 其他都传入给可变参数 # 70 # (60, 50) <class 'tuple'>
5.命名关键字参数 (name keyword argument
)
1.命名关键字参数是为了限制调用者可以传入的『参数名』,也可以提供默认值.
2.与关键字参数不同的是, 关键字参数的名字和值都是任意的, 后续再进行匹配使用, 而命名关键字则只能接受给定的关键字作为参数.定义命名关键字参数
3.不要忘了写分隔符 *
, 否则定义的是位置参数, 命名关键字参数调用函数时必须给定参数名.
def person(name, *, age, height=1.90): print(f'{name}今年{age}岁, 身高{height:.2f}m') person('张三', age=18, height=1.80) # 张三今年18岁, 身高1.80m person('李四', age=18) # 李四今年18岁, 身高1.90m person('王五') # TypeError, 需要传入给定关键字
6.参数组合
在Python
中定义函数时, 以上这5种参数都可以使用, d但最多可以使用4种, 并且要注意顺序:
1.位置参数、默认参数、可变参数和关键字参数.
2.位置参数、默认参数、命名关键字参数和关键字参数.
在python程序中, 处于不同位置的变量, 有不同的作用域.
需要注意的是:
global
.内嵌函数就是在外层函数内定义内层函数.
def outer(): print('outer函数在这被调用') def inner(): print('inner函数在这被调用') inner() # 该函数只能在outer函数内部被调用 outer() # outer函数在这被调用 # inner函数在这被调用
闭包是一个比较重要的语法结构, 结构上与内嵌函数类似, 区别在于返回值, 闭包的外层函数返回值是一个函数.
如果在一个内部函数里对外层非全局作用域的变量进行引用, 那么内部函数就被认为是闭包.
通过闭包可以访问外层非全局作用域的变量, 这个作用域称为闭包作用域.
def funX(x): def funY(y): print('使用funY(y)') return x * y return funY i = funX(8) print(type(i)) # <class 'function'> print(i(5)) # 40
注意到上述代码中, 内部函数
FunY
中使用了外部非全局作用域的变量x
.
同样是, 函数内嵌套的函数作用域也需要特别注意, 若我们需要修改闭包内的变量, 需要使用nonlocal
关键字.
num = 999 def outer(): num = 10 def inner(): nonlocal num # nonlocal关键字声明 num = 100 print(f'inner中num = {num}') inner() print(f'outer中num = {num}') outer() # inner中num = 100 # outer中num = 100 print(f'全局中num = {num}') # 全局中num = 999
lambda需要注意的是:
return
, 表达式本身就是返回值.匿名函数主要适用于函数式编程(函数不会影响函数之外的内容)的一些高阶函数中. 例如map映射和filter过滤, 当然也可以在自己自定义函数中使用.
odd = lambda x: x % 2 == 1 templist = filter(odd, [1, 2, 3, 4, 5, 6, 7, 8, 9]) print(list(templist)) # [1, 3, 5, 7, 9] m1 = map(lambda x: x ** 2, [1, 2, 3, 4, 5]) print(list(m1)) # [1, 4, 9, 16, 25]
面向对象就必须了解三大特性:
issubclass(B, A)
查看B
是否是A
的子类.继承
和方法的重写
.我们都有一个家, 名字叫中国
一样.我的老婆只是我的
一样.class A(): a = 0 #类属性 def __init__(self, xx): A.a = xx #使用类属性可以通过 (类名.类属性)调用。
有一些操作属性的方法:
hasattr(object, name)
来判断对象是否包含对应的属性或方法.getattr(object, name)
来获取属性或方法.setattr(object, name, value)
来修改属性值, 或创建新的属性和值.delattr(object, name)
来删除属性.class A(object): name = '张三' def set(self, a, b): x = a a = b b = x print(a, b) a = A() print(hasattr(a, 'name')) # 判断是否有name属性 True print(hasattr(a, 'set')) # 判断是否有set方法 True x = getattr(a, 'name') # 获取属性值 print(x) # 张三 c = getattr(a, 'set') # 获取方法 c(a='1', b='2') # 2 1
私有属性和方法仅需在定义命名的时候加上两个下划线"__
"即可.
相对于公有属性和公有方法来说, 私有属性和私有方法更加的安全. 从定义上来说, 将需要安全保护的属性和方法封装为私有, 可以阻止外部直接调用, 而必须使用实例化对象方法
或类方法
进行调用, 从而提高安全性.
但在python中的私有是『伪私有』, 即可以使用类名, 通过 object._className__attrName
访问私有属性,用 object._className__func()
访问私有方法.
class JustCounter: __secretCount = 0 # 私有变量 publicCount = 0 # 公开变量 def count(self): self.__secretCount += 1 self.publicCount += 1 print(self.__secretCount) counter = JustCounter() counter.count() # 1 print(counter.publicCount) # 1 # 特殊方法依旧可以访问 print(counter._JustCounter__secretCount) # 1 # 直接访问则会报错. print(counter.__secretCount)
实例直接使用点就可以增加属性了, 这点需要注意一下.
class B: def func(self): print('调用func方法') b = B() print(b.__dict__) # 查看属性 {} b.name = '张三' b.age = 18 print(b.__dict__) # 查看属性{'name': '张三', 'age': 18} b1 = B() print(b1.__dict__) # 查看属性 {}
魔法方法基本上是被下划线包围的一些特殊方法. 相比于普通的方法, 它能够在适当的时候自动调用. 第一个参数一般是cls
『类方法』或者self
『实例方法』.
__init__(self[, ...])
构造器, 当一个实例被创建的时候调用的初始化方法.__new__(cls[, ...])
在一个对象实例化的时候所调用的第一个方法, 在调用__init__
初始化前, 先调用__new__
.
__new__
的返回值必须为当前类的实例, 否则将不会调用__init__
初始化.int, str, tuple
)时, 提供一个自定义该类实例化过程的途径. __del__(self)
析构器, 当一个对象将要被系统回收之时调用的方法.__str__(self)
: 当你打印一个对象、使用%s
格式化或使用str
强转数据类型的时候,触发__str__
.__repr__(self)
是__str__(self)
的备胎, 情况类似, 不过自定义时往往更加准确, 主要用于调试.普通的计算在对象中是无法进行的, 需要自定义计算方式.
__add__(self, other)
定义加法的行为: +
__sub__(self, other)
定义减法的行为: -
__mul__(self, other)
定义乘法的行为: *
__truediv__(self, other)
定义真除法的行为: /
__floordiv__(self, other)
定义整数除法的行为: //
__mod__(self, other)
定义取模算法的行为: %
__divmod__(self, other)
定义当被 divmod()
调用时的行为
divmod(a, b)
把除数和余数运算结果结合起来,返回一个包含商和余数的元组(a // b, a % b)
。
__pow__(self, other[, module])
定义当被 power()
调用或 **
运算时的行为
__lshift__(self, other)
定义按位左移位的行为: <<
__rshift__(self, other)
定义按位右移位的行为: >>
__and__(self, other)
定义按位与操作的行为: &
__xor__(self, other)
定义按位异或操作的行为: ^
__or__(self, other)
定义按位或操作的行为: |
还有对应的反运算符, 在之前加上r
即可, 例如__rsub__
. 对应增量赋值运算符, 在之前加上i
即可, 例如__isub__
.
__getattr__(self, name)
: 定义当用户试图获取一个不存在的属性时的行为.
__getattribute__(self, name)
: 定义当该类的属性被访问时的行为(先调用该方法, 查看是否存在该属性, 若不存在, 接着去调用__getattr__
).
__setattr__(self, name, value)
: 定义当一个属性被设置时的行为.
__delattr__(self, name)
: 定义当一个属性被删除时的行为.
描述符就是将某种特殊类型的类的实例指派给另一个类的属性.
__get__(self, instance, owner)
: 用于访问属性, 它返回属性的值.
__set__(self, instance, value)
: 将在属性分配操作中调用, 不返回任何内容.
__del__(self, instance)
: 控制删除操作, 不返回任何内容.
迭代是Python
最强大的功能之一, 是访问集合元素的一种方式.
迭代器有两个基本的方法: iter()
和 next()
:
iter(object)
函数用来生成迭代器.next(iterator[, default])
返回迭代器的下一个项目. 在元素为空时返回默认值, 若没有则会触发 StopIteration
异常. 在元组推导式和next中使用过, 不过是下面的『生成器』.把一个类作为一个迭代器使用需要在类中实现两个魔法方法 __iter__()
与 __next__()
.
__iter__(self)
定义当迭代容器中的元素的行为, 返回一个特殊的迭代器对象, 这个迭代器对象实现了 __next__()
方法并通过 StopIteration
异常标识迭代的完成.__next__()
返回下一个迭代器对象.
StopIteration
异常用于标识迭代的完成,防止出现无限循环的情况,在 __next__()
方法中我们可以设置在完成指定循环次数后触发 StopIteration
异常来结束迭代。class Fibs: def __init__(self, n=10): self.a = 0 self.b = 1 self.n = n def __iter__(self): return self def __next__(self): self.a, self.b = self.b, self.a + self.b if self.a > self.n: raise StopIteration return self.a fibs = Fibs(100) for each in fibs: print(each, end=' ') # 1 1 2 3 5 8 13 21 34 55 89
在 Python 中,使用了 yield
的函数被称为生成器(generator)。
yield
时函数会暂停并保存当前所有的运行信息, 返回 yield
的值, 并在下一次执行 next()
方法时从当前位置继续运行.def libs(n): a = 0 b = 1 while True: a, b = b, a + b if a > n: return yield a for each in libs(100): print(each, end=' ') # 1 1 2 3 5 8 13 21 34 55 89